结巴(jieba)中文分词的.NET版本
学习路径: https://github.com/anderscui/jieba.NET/
特点
- 支持三种分词模式:
- 精确模式,试图将句子最精确地切开,适合文本分析;
- 全模式,把句子中所有的可以成词的词语都扫描出来, 速度非常快,但是不能解决歧义。具体来说,分词过程不会借助于词频查找最大概率路径,亦不会使用HMM;
- 搜索引擎模式,在精确模式的基础上,对长词再次切分,提高召回率,适合用于搜索引擎分词。
- 支持繁体分词
- 支持添加自定义词典和自定义词
- MIT 授权协议
算法
- 基于前缀词典实现高效的词图扫描,生成句子中汉字所有可能成词情况所构成的有向无环图 (DAG)
- 采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合
- 对于未登录词,采用了基于汉字成词能力的HMM模型,使用了Viterbi算法
安装和配置
环境:Win10+VS2019
1.打开VS2019,创建项目
2.安装结巴(jieba)分词
当前版本基于.NET Framework 4.7.2,可以手动引用项目,也可以通过NuGet添加引用
2.1 NuGet添加引用
或者右击项目
在出现的页面中输入 jieba,选择jieba.NET后,即可点击【安装】
2.2 手动引用项目,Install-Package jieba.NET